不等式Sum(1/a_i)(from i=1 to i=n)≥n~2/Sum(a_i)(from i=1 to i=n)的两个推广

从n个正数的调和平均值 ,不大于其算术平均值出发 ,导出了一个分式不等式 ,又应用排序的方法 ,从两个方面将这个不等式加以推广 ,得到了两个更具一般形式的分式不等式和指数不等式 :∑ni=1biai ≥n∑ni =1 bi∑ni=1 ai,∑ni =1 aim≥(∑ni=1 ai) mnm - 1 (n∈N ,m∈Z)。     

基于LMI的Lipschitz非线性不确定系统的鲁棒控制

在常态Lipschitz非线性的基础上,考虑状态参数不确定性。针对这类Lipschitz非线性系统的反馈控制问题,运用Lyapunov方法给出了该系统渐近稳定的充分条件,并提出了应用线性矩阵不等式（LMI）来求解优化反馈增益矩阵,通过定理和Matlab仿真实例得出设计的观测器有效,具有良好的稳定性和鲁棒性。     

无人机编队构成的分散最优控制方法研究

针对无长机带领、具有固定无向通信拓扑的无人机编队构成控制问题,提出了一种基于"相邻"无人机状态反馈的分散最优控制方法。该方法采用Laplacian矩阵描述编队通信结构,以"相邻"无人机与编队构型间的相对状态误差构建分散最优控制模型,并通过求解具有LMI约束的线性目标最优化问题得到编队各无人机的分散最优控制律。该方法使得多无人机在分散协同的前提下,基于局部信息快速准确地形成预定编队构型,达到运动方向和速度的一致性。仿真实验验证了该方法的有效性。     

基于线性矩阵不等式的舰载机纵向着舰H∞控制

运用线性矩阵不等式（LMI）的H∞控制理论．将舰载机纵向着舰导引系统的SISO性能要求转化为H∞控制广义模型权函数的选择．设计出H∞输出反馈控制器。以某型舰载机着舰过程进行仿真验证。结果表明，采用H∞控制的着舰导引系统具有良好的着舰下滑轨迹跟踪能力。     

饱和非线性系统增量增益的LMI界定方法

利用系统的输入－输出研究方法，通过求解系统的线性矩阵不等式（LMI），确定了具有饱和非线性系统的增量增益，示例计算结果表明，确定系统的增量增益不但可以方便地判断饱和非线性系统的稳定性，而且在一定程度上也反映了系统的鲁棒性。     

基于LMI的一类非线性离散动态系统的鲁棒故障诊断

 针对一类非线性不确定离散动态系统 ,提出了一种新型鲁棒故障诊断方法。该方法不但能够对被诊断系统进行故障检测 ,而且同时能够实现故障的分离和辨识。它首先通过构造一个辅助系统 ,将故障的辨识问题转化为min max问题 ,并且通过巧妙设计辅助系统的输出增益矩阵 ,使得辅助系统与被诊断系统的状态差值方程和输出差值方程稳定 ,然后将min max问题转化成LMI问题 ,最后通过求解LMI问题来实现故障诊断。分析了故障诊断方法的鲁棒性、灵敏度和故障的辨识误差。仿真结果验证了该方法的有效性。     

卫星姿态控制的一种鲁棒控制方法

针对含有不确定性的Delta算子离散系统,研究了其鲁棒控制问题。鲁棒控制律的存在条件及设计由线性矩阵不等式描述,便于求解。将所得结果应用于卫星姿态控制系统的设计,以解决对模型进行线性化处理时产生的误差。针对所得控制律进行了仿真研究,结果证明了方法的有效性。     

涡扇发动机早期退化性能的线性变参数估计

针对涡扇发动机线性变参数(Linear parameter varying,LPV)模型,给出了一种新的早期退化航空发动机部件性能LPV滤波器设计方法.该方法采用仿射依赖于参数的二次Lyapunov函数,在仿射二次稳定性的基础上,引入多凸性引理将滤波器求解问题转化为线性矩阵不等式(Linear matrix inequalities,LMI)约束下的凸优化问题,避免了求解参数化线性矩阵不等式(Parameterized linear matrix inequalities,PLMI)约束下的优化问题.针对某型早期退化涡扇发动机的仿真表明,该方法能以较高精度估计性能退化参数,且鲁棒性强,增益调度简单,具有一定的工程意义.      

基于时滞分割技术的时滞神经网络系统时滞相依全局稳定性分析

通过构造一个新的增广 Lyapunov-Krasovskii泛函,利用时滞分割技术并结合自由权矩阵、Jensen积分不等式,得到一个时滞神经网络系统时滞相依全局渐近稳定新判据。该判据以 LMI的形式给出,便于计算和验证。数值实例表明,文章结果改进了相关文献结论,具有更低的保守性。     

基于LMI的高超声速飞行器滑模预测控制

针对高超声速飞行器非线性、多约束、快时变等特点,提出了一种基于线性矩阵不等式的滑模预测控制方法.首先设计系统的滑模面,然后对滑模面进行预测并将其作为优化性能指标,通过Schur补引理将控制律的设计转化为一个优化问题.该方法避免了常规滑模控制的高频切换,有效地克服了抖振现象.此外,相对于传统的滑模预测控制方法,该方法不需要额外计算终端约束条件和终端代价函数,只需要通过选取合适的李雅普诺夫函数即可保证系统的稳定性,且其加权矩阵和控制律是同时进行优化设计的,简化了设计过程.仿真试验表明,相比于单纯的预测控制和滑模控制,所提出的方法具有更好的跟踪性能.